Mar, 2020
AutoGluon-Tabular: 结构化数据稳健准确的自动机器学习
AutoGluon-Tabular: Robust and Accurate AutoML for Structured Data
Nick Erickson, Jonas Mueller, Alexander Shirkov, Hang Zhang, Pedro Larroy...
TL;DRAutoGluon-Tabular 是一个开源的 AutoML 框架，仅需一行 Python 代码即可训练基于未经处理的表格数据集（如 CSV 文件）的高精度机器学习模型。与现有的 AutoML 框架主要侧重于模型 / 超参数选择不同，AutoGluon-Tabular 通过组合多个模型并堆叠它们来成功地实现了目标。多层组合多模型的实验证明，它比寻找最佳模型更能更好地利用分配的训练时间。我们还对公共和商业 AutoML 平台进行了广泛的评估，包括 TPOT，H2O，AutoWEKA，auto-sklearn，AutoGluon 和 Google AutoML Tables。在 Kaggle 和 OpenML AutoML Benchmark 的 50 个分类和回归任务套件上进行的测试表明，AutoGluon 更快、更稳定，更准确。我们发现 AutoGluon 甚至经常超过所有竞争对手的最佳组合。在两个热门的 Kaggle 比赛中，AutoGluon 仅在原始数据上进行了 4 小时的训练，就胜过了 99% 的参赛数据科学家。